在建立2自由度1/4车辆悬架振动模型基础上,提出了利用卡尔曼滤波算法估计车辆行驶振动状态的方法。通过设计卡尔曼滤波算法,对在不平路面上行驶车辆的车身垂向位移、垂向速度和车轮垂向位移、垂向速度状态进行估计,并通过Matlab/Simulink对估计效果进行验证。验证结果表明,该方法能够在不同路面、不同车速下准确估计车辆的相关参数,为汽车主动悬架的车工业图片上下文： 差一步更新表达式为：P(k|k)=[]I-kg(k)CP(k|k)-1（13）式中，I为适维单位矩阵；kg即为所求的卡尔曼滤波增益。4状态估计结果分析本文采用的卡尔曼滤波状态估计流程如图2所示。车辆参数如表1所示。图2卡尔曼滤波状态估计流程表1车辆模型参数在Matlab/Simulink中搭建卡尔曼滤波算法模型，分别对B级路面70km/h车速工况下和C级路面40km/h车速工况下的车辆振动状态进行估计，估计值与仿真值的对比如图3、图4所示。（a）车身垂向位移（b）车身垂向速度（c）车轮垂向位移（d）车轮垂向速度图3B级路面70km/h车速工况下车辆振动状态估计值与仿真值由图3、车辆振动状态估计-数控滚圆机滚弧机张家港钢管滚圆机滚弧机液压弯管机图4可以看出，所设计的卡尔曼滤波算法能够较好地对不同等级路面、不同车速状态下的悬架状态变量进行估计本文由张家港弯管机网站

转载中国知网整理!www.wangaunjimuju.net，车身垂向速度和车轮垂向速度估计结果重合度很高。虽然车身位移和车轮位移估计结果存在一定的偏差，但与仿真结果趋势完全一致。各状态变量估计误差值见表2。表2状态量估计误差%模型参数簧载质量m1/kg非簧载质量m2/kg悬架弹簧刚度kf/N·m-1减振器阻尼系数cf/(N·s·m-1)-1轮胎等效刚度kt/N·m-1参数值40047135131500220000输入q系统初值P()0|0x()0|0Q0R0车辆模型滤波时间更新部分滤波测量更新部分估计结果输出滤波自适应部分传感器观测值y（汽车技术滤波方程为：x(k|k)=x(k)-1|k-1+kg(k)[]y(k)-Cx(k|k)-1（12）后验状态估计下的误差协方差一步更新表达式为：P(k|k)=[]I-kg(k)CP(k|k)-1（13）式中，I为适维单位矩阵；kg即为所求的卡尔曼滤波增益。4状态估计结果分析本文采用的卡尔曼滤波状态估计流程如图2所示。车辆参数如表1所示。图2卡尔曼滤波状态估计流程表1车辆模型参数在Matlab/Simulink中搭建卡尔曼滤波算法模型，分别对B级路面70km/h车速工况下和C级路面40km/h车速工况下的车辆振动状态进行估计，估计值与仿真值的对比如图3、图4所示。（a）车身垂向位移（b）车身垂向速度（c）车轮垂向位移（d）车轮垂向速度图3B级路面70km/h车速工况下车辆振动状态估计值与仿真值由图3、图4可以看出，所设计的卡尔曼滤波算法能够较好地对不同等级路面、不同车速状态下的悬架状态变量进行估计，车身垂向速度和车轮垂向速度估计结果重合度很高。虽然车身位移和车轮位移估计结果存在一定的偏差，但与仿真结果趋势完全一致。各状态变量估计误差值见表2。表2状态量估计误差%模型参数簧载质量m1/kg非簧载质量m2/kg悬架弹簧刚度kf/N·m-1减振器阻尼系数cf/(N·s·m-1)-1轮胎等效刚度kt/N·m-1参数值车辆模型滤波时间更新部分滤波测量更新部分估计结果输出滤波自适应部分传感器观测值y车辆振动状态估计-数控滚圆机滚弧机张家港钢管滚圆机滚弧机液压弯管机本文由张家港弯管机网站 转载中国知网整理!www.wangaunjimuju.net